《表1 停车训练样本：元胞自动机模型在航空发动机故障诊断中的应用》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《元胞自动机模型在航空发动机故障诊断中的应用》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

数据来源:航空基金2014ZD34001。

为了分析某样本发动机常见停车故障征兆及故障成因，从全部样本集中选择5条故障记录，每条记录对应一种常见的发动机停车故障。这些故障包含涡轮叶片折断、滑油导管破裂、活塞卡死、传动轴断裂和离心活门抱轴。经归一化处理后，将能用来界定5种故障类型的6种故障征兆（震动过大、滑油告警、排气超温、转速提不上去、转速下降过快、滑油消耗过大）列在表1中。为了直观说明分类边界，在图2中分别采用第1-2维、3-4维、5-6维数据绘制了分类边界效果图。从表1、图2中可以看到，当故障样本规模较小时，算法能有效获得具有泛化能力的分类边界。以往的约减算法将约减的重点放在约减后分类器的分类精度和样本规模上。但是算法的运行时间是随着训练规则的数目增长而剧烈增长的，当训练集过大时，以往的算法由于计算成本过高而不具有可行性。本文将关注的重点放在算法运行速度的提高和运行方式的可累积上。本文算法只保留不同类边界上的规则，运行时间可以通过对自动机网格粒度的不同设置来调整。在保证算法一致性的同时，泛化能力得到了保证。